第一章　緒論
　1.1 模型表述
　　1.1.1 測量模型
　　1.1.2 結(jié)構(gòu)模型
　　1.1.3 模型表達(dá)方程
　1.2 模型識別
　1.3 模型估計
　1.4 模型評估
　1.5 模型修正
　附錄1.1 將總體方差／協(xié)方差表達(dá)為模型參數(shù)的函數(shù)
　附錄1.2 結(jié)構(gòu)方程模型的最大似然函數(shù)
第二章　驗證性因子分析模型
　2.1 驗證性因子分析模型基礎(chǔ)知識
　2.2 連續(xù)觀察標(biāo)識的驗證性因子分析模型
　2.3 非正態(tài)與刪截連續(xù)觀察標(biāo)識的驗證性因子分析模型

第一章　緒論
　1.1 模型表述
　　1.1.1 測量模型
　　1.1.2 結(jié)構(gòu)模型
　　1.1.3 模型表達(dá)方程
　1.2 模型識別
　1.3 模型估計
　1.4 模型評估
　1.5 模型修正
　附錄1.1 將總體方差／協(xié)方差表達(dá)為模型參數(shù)的函數(shù)
　附錄1.2 結(jié)構(gòu)方程模型的最大似然函數(shù)
第二章　驗證性因子分析模型
　2.1 驗證性因子分析模型基礎(chǔ)知識
　2.2 連續(xù)觀察標(biāo)識的驗證性因子分析模型
　2.3 非正態(tài)與刪截連續(xù)觀察標(biāo)識的驗證性因子分析模型
　　2.3.1 非正態(tài)性檢驗
　　2.3.2 非正態(tài)數(shù)據(jù)的驗證性因子分析模型
　　2.3.3 刪截標(biāo)識的驗證性生因子分析模型
　2.4 分類觀察標(biāo)識的驗證性因子分析模型
　2.5 高階驗證性因子分析模型
　附錄2.1 BSI-18量表
　附錄2.2 條目可靠度
　附錄2.3 Cronbacha系數(shù)
　附錄2.4 分類結(jié)局測量的連接函數(shù)和概率計算
第三章　結(jié)構(gòu)方程模型
　3.1 MIMIC模型
　3.2 結(jié)構(gòu)方程模型
　3.3 單標(biāo)識變量中測量誤差的校正
　3.4 檢驗涉及潛變量的交互作用
　附錄3.1 測量誤差的影響
第四章　潛發(fā)展模型
　4.1 線性潛發(fā)展模型
　4.2 非線性潛發(fā)展模型
　4.3 多結(jié)局測量發(fā)展過程的線性潛發(fā)展模型
　4.4 兩部式潛發(fā)展模型
　4.5 分類結(jié)局測量的潛發(fā)展模型
第五章　多組模型
　5.1 多組驗證性因子分析模型
　　5.1.1 多組一階驗證性因子分析模型
　　5.1.2 多組二階驗證性因子分析模型
　　5.2 多組結(jié)構(gòu)方程模型
　5.3 多組潛發(fā)展模型
第六章　結(jié)構(gòu)方程建模的樣本量估計
　6.1 結(jié)構(gòu)方程模型樣本量估計的經(jīng)驗法則
　6.2 satorra-Saris法估計樣本量
　　6.2.1 應(yīng)用satorra-Saris法估計CFA模型的樣本量
　　6.2.2 應(yīng)用satorra-Saris法估計LGM模型的樣本量
　6.3 蒙特卡羅模擬法估計樣本量
　　6.3.1 蒙特卡羅模擬法估計CFA模型的樣本量
　　6.3.2 蒙特卡羅模擬法估計LGM模型的樣本量
　　6.3.3 蒙特卡羅模擬法估計具有協(xié)變量的LGM模型樣本量
　　6.3.4 蒙特卡羅模擬法估計具有協(xié)變量和缺失值的LGM模型樣本量
　6.4 基于模型擬合統(tǒng)計量／指標(biāo)的SEM樣本量估計
參考文獻(xiàn)